高速鐵路的相關研究多是從城際鐵路沿革而來，主要是探討新路線的客運量，
這些路線原先多具備傳統鐵路線，且有多種其他競爭運具，如小客車、國道客運、
航空。而新路線、新系統將可能吸引原先在此走廊上的旅客，因此在進行運量預 測時，須考慮到競爭運具間的運量移轉效應。Lee 與 Chang (2006) 探討南韓高速 鐵路建設前後，總體交通量的差異。結果顯示，巴士、航空、小客車有明顯的運 量移轉現象，鐵路(包含傳統鐵路及高速鐵路)運量有顯著的成長。而短程與中程 旅客以小客車為主要運輸工具，長程以高速鐵路為主要運輸工具。新系統建設後，
運量確實有明顯的移轉效應，並表示有些微的衍生運量產生，但卻難以衡量。
新運具運量預測模式，依照上一小節分類，分為傳統運量預測流程與直接總 體需求模式，多數文獻以傳統運輸規劃四步驟取得每一個起訖對的交通量，爾後 再以多項羅吉特模式分析高速鐵路的運量。過程雖複雜，但研究結果多半著墨於 運具分配模式以及其相關重要顯著因子，中間流程並無深入探討。後者模式較容 易，資料取得相對容易，其作法是先收集歷史巨觀資料以預測總需求量，再依據 不同情境設定，以運具分配模式獲得欲預測之運量。Pita 與 Arduin (1993) 依照 法國經驗發展西班牙新建的高速鐵路運量模式，其發表年代與 Sofrerail 報告書相
近，多數概念類似，先進行直接總體需求模式，再以均衡時間價值來區分新運具 與舊運具間運具分配比例。不過較特別之處在於西班牙所使用的鐵路軌距為寬軌 (軌距 1668 毫米，大於標準軌距 1435 毫米)，在跨國時會因為更換軌距、更換列 車而產生運量下降的效應，因此有額外考慮這項減數效應。然而實際西班牙高速 鐵路新建路線皆以標準軌規格來建造，並無此問題，台灣也是新建標準軌路線，
不會與傳統鐵路的窄軌連接，亦無此問題，應將此變數刪除。
Profillidis 與 Botzoris (2004) 發展希臘的總體交通量預測模式，以直接總體 需求預測模式，驗證各運具(包含傳統鐵路、小客車、巴士等)的預測年交通量，
說明總體交通量可根據總體社會經濟條件、運具特性來計算。其模式包含了 GDP、
人口數、油價、汽車持有率、運具票價、旅行時間延滯等因子。
由於直接總量需求預測模式使用的是多項迴歸模式，會遭遇到內生性及多重 共線性的影響，Chen (2010) 在探討各項因素對美國東北走廊高速鐵路運量的影 響時，分別就這些影響修正變數。內生性以兩階段最小平方回歸法 (Two-Stage Least Square Regression Model) 來克服，而多重共線性則以變異數膨脹因子 (Variation Inflation Factor, VIF) 來檢視及汰換變數。
在運具分配模式上除了法國與西班牙地區使用均衡時間價值區分新舊運具 的分配比例外，多數研究是採用常見的羅吉特模式。Goolsby 與 Walker (1993) 以 美國德州高速鐵路規劃案為例，發展高速鐵路運量預測模式，以二項羅吉特模式 探討國內航線與高速鐵路之間的競爭關係，此二種運具以省時為目標，為商務旅 客首選。由此可以得到有多少比例的航空運量轉移至高速鐵路。Pagliara 等人 (2012) 以西班牙馬德里至巴塞隆納高速鐵路線為案例，收集顯示性/敘述性偏好 調查資料，以二項羅吉特模式及混合羅吉特模式探討高速鐵路與航空的競爭關係，
結果顯示，票價及服務頻率為最重要的影響因子。
然而，只考慮高速鐵路與航空之間的競爭略顯狹隘，Ashiabor 等人 (2007) 以 巢式及混合羅吉特模式，探討美國在不同城際旅次距離下，高速鐵路會從航空及 小客車分配到的運量比例。Liu 與 Li (2012) 以美國東北走廊高速鐵路計劃案為
例，考慮航空、鐵路、小客車及國道客運之間的競爭。其採用巢式及混合羅吉特 模式，將小客車及航空分為一類，鐵路及巴士分為另一類。Jeffrey 等人 (2013) 以 美國中西部走廊高速鐵路計畫案為例，同樣考慮所有運具，以多項羅吉特模式計 算運量。
上述文獻以常見的羅吉特模式及效用函數計算既有運具與高速鐵路之間的 競爭關係，從而得到高速鐵路的運量。Tadi 等人 (1993) 以美國加州至內華達州 高速鐵路計劃案為例，以多項羅吉特模式，計算高速鐵路運量，不過其效用函數 與一般常見的效用函數形式不同，是以指數相乘形式呈現，在校估係數時以對數 計算。Williams 與 Koppelman (1993) 以加拿大魁北克至安大略走廊為案例，以 多項羅吉特模式分析既有城際快速列車未來年的運具分配比例。其先計算基年的 運具分配比例，再以基年與預測年各項變數的比例來預測時間價值的差異，得到 未來年各區域的運具分配比例。其分析的對象為既有運具，與新建高速鐵路運具 情況不同。Stopher 等人 (1999) 以泰國高速鐵路可行性評估案為研究，也同樣計 算基年與預測年的時間價值差異。不過其研究在校估各項因子的指數係數，以此 指數係數計算預測年的高速鐵路運量，依此即可套用至新運具系統上。
Yao 與 Morikawa (2005) 以日本中央新幹線(磁浮列車高速鐵路)為案例，同 時採用顯示性/敘述性偏好調查資料及歷史巨觀資料，融合至對數概似函數 (Joint Log-Likelihood Function) 之中。該研究將軌道運輸系統考量為下列三種運具：傳 統鐵路(JR 在來線)、新幹線及中央新幹線(磁浮列車)，並將這三種歸類於同一巢 層(鐵路)底下，以巢式羅吉特模式分析中央新幹線的運量。
上述文獻多數僅有計算既有運具與新運具高速鐵路間的競爭關係，並無考量 到新運具帶來的衍生運量效益，由於衍生運量並沒有一個準確數據，運量成長是 經濟成長帶來的效益抑或是新運具帶來的機動性增加，是無法判斷的。美國聯邦 鐵路管理局 (The Federal Railroad Administration of the U.S. Department of Transportation, 2008) 指出新運具系統的衍生運量，以不超過小客車移轉運量的 10%為佳，因此過多的衍生運量加入結果並不適宜，但不能不考慮之。
本研究依照文獻，將衍生運量的計算方式分為三類，分別為重力模式、總量 放大係數法及運具特性影響。第一類重力模式是沿用傳統運輸規劃四步驟的旅次 分佈模式計算之，其認為衍生運量會受到兩地的人口數和距離影響，Sofrerail 報 告書預測模式 (1991)、Pita 與 Arduin (1993) 即是採用此方式。第二類總量放大 係數法是根據歷史經驗決定未來幾年的總量放大係數，據此得到多出來的衍生運 量。Tadi (1993) 即是採用此方法。由於前兩類的計算多根據歷史經驗，新運具 尚未出現並無實際歷史數據可以參考，因此數值的合理性難以說服。第三類運具 特性影響，是根據運具特性的變化，如旅行時間減少、班次增加等計算多出來的 衍生運量值。數值有所憑證，且能做變數彈性分析，因此合理性較易說服。Yao 與 Morikawa (2005) 以旅行時間、票價及接駁時間的差異來計算衍生運量；而美國 加州高速鐵路運量研究，是以可行性 (Accessibility) 計算之。